摘要
本发明公开了一种风机及其叶片结冰故障诊断方法、装置、存储介质和计算机程序产品,该方法包括:自风力发电系统的SCADA系统,获取风机的运行数据并依次进行预处理和特征工程处理,得到风机的特征变量,作为样本划分训练集与测试集;利用HO算法对神经网络模型进行优化,得到优化神经网络模型;利用训练集对优化神经网络模型进行训练,得到训练神经网络模型;利用测试集对训练神经网络模型进行评估,得到评估结果;并根据评估结果对训练神经网络模型进行修正,得到修正神经网络模型,记为风机的叶片结冰故障诊断模型。该方案,通过基于SCADA系统获取的数据进行神经网络训练,得到风机叶片结冰故障诊断模型,成本低、且检测精度高。
技术关键词
XGBoost模型
优化神经网络模型
训练神经网络模型
故障诊断方法
故障诊断模型
风力发电系统
修正神经网络
故障诊断装置
特征工程
变量
数据标签
控制单元
SMOTE算法
风机叶片结冰
计算机程序产品
SCADA系统
系统为您推荐了相关专利信息
新能源场站
故障诊断方法
故障分析模型
光伏电站
光伏发电功率
柔性直流输电线路
故障诊断方法
柔性直流输电系统
Teager能量算子
故障特征量
XGBoost模型
效能评估方法
互联网
扩充训练样本
仿真平台
轴承故障诊断方法
网络故障诊断模型
胶囊网络
多头注意力机制
连续小波变换
数字孪生系统
故障诊断模型
机器学习算法
模态分解方法
数字孪生技术